mcp关键词检索结果

清理我们的代理架构的协议

The Protocol That Cleaned Up Our Agent Architecture

详细了解 MCP,将我分散的工具定义转变为稳定的、可发现的服务器《清理我们的代理架构的协议》一文首先出现在《走向数据科学》上。

构建 Supercharger:Rocket Close 如何利用代理 AI 优化游戏操作

Building Supercharger: How Rocket Close optimized title operations with agentic AI

在本文中,我们将探讨 Rocket Close 如何使用 Strands Agent、大型语言模型 (LLM)、Amazon Bedrock、Amazon Bedrock 知识库和模型上下文协议 (MCP) 工具构建解决方案。我们将介绍解决方案的功能、技术堆栈的基本原理、经验教训以及 Rocket Close 的业务影响。

使用 Amazon Quick 和 Cisco Webex MCP 服务器构建会议准备和后续助理

Build a meeting prep and follow-up assistant with Amazon Quick and Cisco Webex MCP servers

本文展示了如何使用 Amazon Quick 和 Cisco Webex MCP 服务器构建自定义会议准备和后续助理。根据单个提示,客服人员可以找到即将召开的 Webex 会议,查看之前的会议摘要和文字记录,并提取相关的 Vidcast 亮点和文字记录上下文。然后,它会在 Webex 消息线程中搜索未解决的后续问题,并创建简洁的准备摘要。会议结束后,同一位助理可以总结讨论并确定行动项目。它还可以查找相关的 Vidcast 更新并为正确的 Webex 空间起草后续消息。

使用 Amazon Quick 和 New Relic 构建代理事件分类助手

Build an agentic incident triage assistant with Amazon Quick and New Relic

这篇文章向工程团队展示了如何将该原则应用于工程中对时间最敏感的工作流程之一:事件分类。您将使用 Amazon Quick 构建自定义事件分类助理代理,通过本机集成协调 New Relic 模型上下文协议 (MCP) 服务器和 Asana 的响应。根据单一提示,Amazon Quick 代理即可调查该事件,汇总带有证据链接的根本原因分析 (RCA) 简介,并创建一个可跟踪的 Asana 任务以供移交。

MCP:决定法律人工智能未来的标准

MCP: The Standard that Decides Legal AI’s Future

作者:Liam Reid,Legatics 高级产品经理。大多数律师事务所现在至少拥有一种正在生产的生成式人工智能工具。很多人都有好几个。边境...

Amazon 使用 MCP 与时间序列数据库快速集成以获取市场情报

Amazon Quick integration with time-series databases for market intelligence using MCP

在这篇文章中,我们将介绍使用 KDB-X MCP 服务器与 Amazon Quick 集成的实际实施,演示交易者和分析师如何使用对话语言提出问题并从数据集中获取可操作的见解。您可以在各个领域应用相同的集成模式,从金融市场分析到物联网传感器监控,再到 DevOps 性能仪表板,您需要在这些领域简化对时间序列见解的访问。

Claude For Legal 拥有 90 多名人工智能代理

Claude For Legal Has Over 90 AI Agents

当 Claude for Legal 宣布正式推出时,大部分焦点都集中在 12 个主要插件和法律技术的 MCP 连接器上......

使用 Amazon Quick 和 Snowflake Cortex AI 自动进行 AML 警报分类

Automate AML alert triage with Amazon Quick and Snowflake Cortex AI

这篇文章展示了通过自动化金融服务中劳动最密集的工作流程之一来实现集成:反洗钱 (AML) 警报分类。您将使用 Amazon Quick Flows 和 Snowflake Cortex 构建分类工作流程,并通过 Amazon Quick Model Context Protocol (MCP) 集成进行连接。在我们的测试环境中,使用 Amazon Quick 构建的自动化工作流程将警报调查时间从 30-90 分钟减少到 5 分钟以下。实际结果可能会因警报复杂性和数据量而异。

使用 Amazon Bedrock AgentCore Memory 扩展 Kiro CLI 中的会话内存

Extending conversational memory in Kiro CLI using Amazon Bedrock AgentCore Memory

在这篇文章中,我们将演示如何通过实施与 Amazon Bedrock AgentCore Memory 集成的自定义模型上下文协议 (MCP) 服务器来扩展 Kiro CLI 的会话内存。您可以使用 Kiro CLI 直接从终端与 Kiro 的 AI 代理进行交互。 Amazon Bedrock AgentCore Memory 是一项完全托管的服务,允许 AI 代理保留过去交互中的信息,从而创建更加智能和上下文感知的对话。通过实施自定义 MCP 服务器,您可以为 Kiro CLI 提供工具来存储和检索对话上下文、监控内存使用情况以及管理底层 Bedrock Agent 核心内存基础设施。

面向开发人员的 DataRobot:技能、MCP 和代理开发人员界面

DataRobot for Developers: Skills, MCP, and the agentic developer surface

您不必离开 Cursor 来构建、部署或监控生产级代理。您可以自己将 LangChain、矢量数据库、监控工具和部署管道连接在一起,但您将在该管道上花费比在代理本身上更多的时间。 DataRobot 是捷径。现在,它位于您构建的地方,直接集成...面向开发人员的 DataRobot:技能、MCP 和代理开发人员界面首先出现在 DataRobot 上。